基于人工蜂群优化LSTM模型的跨境电子商务中小企业业绩评估方法的研究
1School of Digital Commerce, Zhejiang Polytechnic University of Mechanical and Electrical Engineering, Hangzhou, 310053, Zhejiang, China. SallyWalkeruwr@mail.com.
Scientific reports
|August 28, 2025
概括
一个新的人工蜂群优化长期短期记忆神经网络 (ABC-LSTM) 模型可以提高跨境电子商务中小企业的业务绩效评估. 这种方法在复杂的市场条件下提供了更高的准确性和稳定性.
科学领域:
- 人工智能
- 电子商务分析
- 业务绩效管理
背景情况:
- 跨境电子商务中小企业由于市场波动和有限的资源而面临绩效评估的挑战.
- 传统方法在动态环境中难以处理复杂的非线性数据和实时分析.
- 现有的模型缺乏现代电子商务所需的预测准确性和概括性.
研究的目的:
- 为跨境电子商务中小企业开发先进的业务绩效评估方法.
- 提高时间序列数据分析的预测准确性和概括能力.
- 为中小企业提供有关绩效层次和战略决策的见解.
主要方法:
- 使用了10个跨境电子商务中小企业 (2020-2023) 的数据.
- 提出并实施了人工蜂群优化长期短期记忆神经网络 (ABC-LSTM) 模型.
- 使用关键性能指标将ABC-LSTM与GA-LSTM,XGBoost和传统的LSTM模型进行比较.
主要成果:
- ABC-LSTM模型表现出较低的平均平方误差 (0.037),平均绝对误差 (0.016) 和时间依赖误差 (0.019) 的优异性能.
- 与基准模型相比,ABC-LSTM的融合速度更快,模型稳定性更强.
- 分析显示企业之间的绩效差异,突出了高绩效企业在资源整合,供应链和市场扩张方面的优势.
结论:
- 通过ABC-LSTM模型,大大改善了跨境电子商务中小企业的业务绩效评估.
- 这种方法提高了多维业务数据分析的准确性,为战略改进提供了科学基础.
- 这些发现支持中小企业更好的资源整合,供应链管理和市场扩张战略.
